Zdefiniuj ryzyko wahań, zanim je przetestujesz
Ryzyko wahań odnosi się do prawdopodobieństwa, że wyniki strategii w okresach utrzymania pozycji (często obejmujących dni do tygodni) będą negatywnie odbiegać z powodu ruchu ceny. Testowanie ryzyka wahań nie polega na przewidywaniu wyników dla konkretnej przyszłej transakcji; chodzi o sprawdzenie, jak duże straty mogą się pojawić i jak konsekwentnie zachowują się wyniki w różnych warunkach rynkowych.
Aby przetestować ryzyko wahań w sposób, który możesz zweryfikować, potrzebujesz działającej definicji, która zamienia „ryzyko” na mierzalne wielkości. Typowe mierzalne cele obejmują:
- Wielkość drawdownu: jak głębokie spadki występują względem punktu odniesienia (na przykład, szczytu equity na koncie).
- Częstotliwość strat: odsetek wyników z okresów wahań, które są ujemne.
- Dotkliwość strat: rozmiar ujemnych wyników, gdy występują.
Kluczowe jest dobranie metryk do Twojego pytania. Jeśli Twoim celem jest wiedzieć „jak źle może być”, drawdown i dotkliwość strat są bardziej bezpośrednio istotne. Jeśli Twoim celem jest „jak często idzie nie tak”, częstotliwość strat jest bardziej trafna.
Oddziel stabilną mechanikę od zmiennych warunków
Ryzyko wahań ma zarówno stosunkowo stabilną mechanikę, jak i zmienne warunki.
Stabilna mechanika to decyzje i reguły, które możesz utrzymać stałe podczas testowania. Przykłady obejmują:
- Jak wchodzisz i wychodzisz (reguły, a nie rynek).
- Metodę doboru wielkości pozycji.
- Metrykę używaną do pomiaru ryzyka.
Zmiennymi warunkami są czynniki, które zmieniają się w czasie i między dostawcami, takie jak:
- Reżim rynkowy (trend vs. zakres, zmiany zmienności).
- Koszty transakcyjne (spready, prowizje, opłaty).
- Jakość egzekucji (poślizg względem ceny modelowej).
- Obsługa danych (jak traktujesz brakujące ticki lub zmieniającą się płynność).
Plan testów powinien jasno określać, co jest utrzymywane stałe, a co może się zmieniać. Dzięki temu unikasz mieszania „zachowania strategii” z „szumem rynkowym/dostawcy”.
Zbuduj test z hipotezą, punktem odniesienia i podziałem danych
Przydatny test zaczyna się od jasnej hipotezy, którą da się sprawdzić. Na przykład:
- Hipoteza: „Przy zdefiniowanych kosztach i założeniach egzekucji, drawdowny strategii w okresach wahań pozostają w akceptowalnym zakresie w porównaniu z wybranym punktem odniesienia.”
Wybierz punkt odniesienia, który potrafisz obronić
Punkt odniesienia to punkt porównania. Przykłady niepromocyjnych punktów odniesienia obejmują:
- Naiwny benchmark jako utrzymywanie pozycji ekwiwalentnej gotówce (jeśli koncepcyjnie jest to dostępne).
- Punkt odniesienia oparty na regułach, taki jak użycie tej samej metryki ryzyka, ale z losowymi czasami wejścia (aby sprawdzić, czy jakakolwiek struktura ma znaczenie).
- Punkt odniesienia z przesunięciem w czasie, w którym utrzymujesz reguły, ale przesuwasz sygnały w czasie, tak aby nie pokrywały się z zamierzoną informacją.
Głównym wymaganiem jest, aby punkt odniesienia pasował do Twoich założeń. Jeśli Twoja definicja ryzyka wahań wykorzystuje drawdown, punkt odniesienia również powinien być oceniany na podstawie drawdownu.
Podziel dane, aby uniknąć efektów look-ahead
Nawet gdy nie masz „danych rynkowych w czasie rzeczywistym”, nadal możesz zaprojektować podział, który zmniejsza ryzyko przypadkowego wycieku informacji. Typowa struktura to:
- Segment treningowy (lub kalibracyjny): używany wyłącznie do ustawiania założeń, które nie są już ustalone.
- Segment walidacyjny: używany do sprawdzenia, czy Twoje wyniki się utrzymują.
- Segment testowy: używany na końcu do oszacowania właściwości ryzyka.
Jeśli nie chcesz wieloetapowego workflow, prostszym podejściem jest pojedynczy okres holdout. Chodzi o to, aby Twoja ocena ryzyka nie była jedynie dopasowaniem do jednego historycznego okna.
Określ koszty i założenia egzekucji
Ponieważ ryzyko wahań jest wrażliwe na tarcia w handlu, musisz uwzględnić założenia dotyczące kosztów jako część projektu testu. Co najmniej zdefiniuj:
- Stałe oszacowanie lub zakres scenariuszy dla kosztów transakcyjnych na cykl wahań.
- Założenie modelu poślizgu (na przykład konserwatywny stały poślizg lub zakres).
Jeśli nie potrafisz uzasadnić liczbowego oszacowania poślizgu, przetestuj odporność na koszty, używając zakresu prawdopodobnych wartości zamiast jednego punktu. Test staje się wtedy „jak zachowuje się ryzyko, gdy koszty rosną”, co jest weryfikowalne.
Dowody i przykład: checklista testów nastawionych na odporność
Poniżej znajduje się praktyczna, weryfikowalna sekwencja, którą możesz dostosować do własnego setupu, bez zakładania przyszłych wyników.
1) Oblicz wyniki dla okresów wahań przy stałych regułach
Wybierz okno okresu utrzymania, które odpowiada „swingowi”. Następnie oblicz wyniki dla każdego okresu, stosując stałe reguły wejścia/wyjścia oraz stałe dobieranie wielkości pozycji.
2) Mierz metryki ryzyka w spójny sposób
Dla każdego segmentu (trening/walidacja/test) oblicz metryki ryzyka, które zdefiniowałeś:
- wielkość drawdownu,
- częstotliwość strat,
- dotkliwość strat.
Spójność ma znaczenie: ten sam punkt odniesienia i te same reguły księgowania powinny być używane w całym podziale na segmenty.
3) Uruchom przypadki stresowe kosztów i egzekucji
Powtórz obliczenia dla kilku scenariuszy kosztowych:
- bazowe koszty,
- wyższe koszty,
- wyższy poślizg.
Śledź, czy ryzyko wahań pogarsza się stopniowo, czy „pęka” gwałtownie. Stopniowe pogarszanie jest zwykle bardziej interpretowalne; ostre punkty załamania sugerują zależność od korzystnych założeń.
4) Sprawdź wrażliwość na reżim
Testuj osobno w segmentach czasowych reprezentujących różne warunki rynkowe. Możesz to zrobić nawet bez danych w czasie rzeczywistym, dzieląc historycznie według zmienności albo według prostych proxy, które obliczasz na podstawie swojego zbioru danych (na przykład okresy o wyższej vs. niższej zmienności).
Jeśli ryzyko wahań jest akceptowalne tylko w jednym reżimie, to „ryzyko” jest warunkowe, a nie uniwersalne.
5) Dodaj kontrolę na losowość
Prosta kontrola polega na przetestowaniu punktu odniesienia, który niszczy oryginalną relację czasową (na przykład poprzez przesunięcie w czasie zdarzeń wejścia). Jeśli metryki ryzyka wyglądają podobnie po zniszczeniu struktury, to mierzone ryzyko wahań może nie odzwierciedlać istotnego zachowania.
Ograniczenia i tryby awarii, które musisz uwzględnić
Historyczne testowanie ryzyka wahań może zawieść na kilka istotnych sposobów.
1) Historyczne zależności nie gwarantują przyszłych wyników
Strategia może wyglądać na mającą ograniczone ryzyko wahań w oknie backtestu, a później zachowywać się zupełnie inaczej. Rynki mogą się zmieniać w sposób, którego nie obejmowały Twoje dane historyczne.
2) Koszty i egzekucja są często niedoszacowane
Nawet jeśli Twoje dane cenowe są dokładne, realny handel może wiązać się z wyższymi efektywnymi kosztami i poślizgiem. Ryzyko wahań może zmienić się istotnie, gdy rosną tarcia.
3) Overfitting do jednego podziału danych
Jeśli zbyt wiele razy stroisz założenia na podstawie tych samych danych, Twoje „przetestowane” ryzyko może być artefaktem. Utrzymanie segmentu testowego zmniejsza ten problem, ale nie eliminuje go, jeśli wielokrotnie sprawdzasz wyniki i dostosowujesz je, aż zaczną wyglądać dobrze.
4) Niezgodność definicji metryki
Jeśli definiujesz ryzyko wahań na podstawie drawdownu, ale oceniasz je względem innego punktu odniesienia (albo używasz niespójnego księgowania equity), wyniki testu stają się trudne do porównania i mniej znaczące.
5) Awaria, gdy zmienia się płynność
Strategie oparte na swingach mogą być w sposób nieproporcjonalny dotknięte warunkami płynności.
DOCUMENT END